<a href="/zh/glossary/core-concepts/anthropic/">Anthropic</a> 在 <a href="/zh/glossary/claude-models/claude-opus/">Claude Opus</a> 4.8 和 Sonnet 4.6 引入的推理機制——模型根據問題的難度自動決定投入多少推理資源，不需要用戶設定任何參數。簡單問題快速回答，複雜問題自動深入推理。和需要明確啟用的「擴展思考（Extended Thinking）」不同，自適應思考是始終開啟的背景能力，對用戶完全透明。

能自主執行多步驟任務的 AI 系統——不只回答問題，而是能主動規劃、呼叫工具、觀察結果、調整行動，直到任務完成。和普通的「問答式 AI」最大的差別，在於它能在沒有人逐步指令的情況下，自己決定下一步要做什麼。

Claude 的開發公司，由前 OpenAI 研究人員於 2021 年創立，核心使命是開發安全且對人類有益的 AI。Anthropic 的安全研究方向直接影響了 Claude 的設計理念與行為特性。

<a href="/zh/glossary/core-concepts/anthropic/">Anthropic</a> 提出的 AI 訓練方法，讓模型根據一套明確的行為原則（「憲法」）進行自我評估和改善，而不是完全依賴人類對每個回答的主觀評分。是 Claude 誠實性和安全性的核心訓練機制之一。

在 API 呼叫中系統性地管理輸入 Token 數量的工程實踐，目的是在維持輸出品質的前提下，降低費用和延遲。包含對話歷史截斷、摘要壓縮、System Prompt 精簡等技術的組合應用。是生產環境 <a href="/zh/glossary/claude-tools/claude-api/">Claude API</a> 部署的必備技能。

AI 模型在一次對話中能「看到」和處理的最大文字量。超過這個上限，最早的內容會被推出窗口，模型就「忘記」了那部分對話。Claude 的 Context Window 是 200,000 個 Token，相當於約 15 萬個英文字或 10 萬個中文字——大概是一本厚小說的長度。

延伸思考是 Claude 在給你最終答案之前，先用一段「看不見的草稿空間」做推理的能力。你設定一個「思考預算」（<a href="https://claudecowork-me.com/zh/glossary/workspace-basics/token-limit/" target="_blank">Token 上限</a>），Claude 在這個預算內自由地推導、試錯，最後才輸出你看得到的答案。思考過程本身通常看不到，但它讓 Claude 在複雜問題上能做更深、更有條理的推理——就像一個人在開口回答之前先在草稿紙上算清楚。

在已預訓練的<a href="/zh/glossary/core-concepts/llm/">大型語言模型</a>基礎上，用特定領域的資料進一步訓練，使模型在該領域的表現更貼近需求。讓通用 AI 變成「專科醫生」的核心技術。

AI 模型生成看似合理、實際上是錯誤或虛構的資訊的現象。名字來自人類心理學：就像人在睡夢中「看見」不存在的東西，AI 在生成文字時會「說出」它沒有依據的事實——人名、日期、引用、統計數字，全都可能是「聽起來正確但其實不存在」的內容。

降低 AI 模型在「產生回答」（推理/inference）階段的計算成本和延遲的一套技術。和訓練優化不同，推理優化關注的是已訓練好的模型如何更快、更便宜地輸出結果。包含量化（Quantization）、<a href="https://claudecowork-me.com/zh/glossary/workflow-automation/batch-processing/" target="_blank">批次處理</a>（Batching）、投機採樣（Speculative Decoding）等技術。

AI 模型訓練資料的最後更新時間點，之後發生的事情模型一概不知。Claude 的知識截止日是 2025 年 8 月底，詢問截止日後的事件可能得到過時或錯誤的資訊。

用「節點（實體）+ 邊（關係）」的圖結構來表示和儲存知識的資料結構。和向量資料庫（相似度搜尋）不同，知識圖譜保留了資訊之間的明確關係和邏輯結構。在 AI 應用裡，知識圖譜通常和 RAG 搭配——向量搜尋找到相關內容後，知識圖譜提供實體之間的結構化關係，讓 Claude 能做更精確的多跳推理。

以海量文字資料訓練、具備理解和生成人類語言能力的 AI 模型。Claude、GPT-4、Gemini 都是 LLM。「大型」指的是模型的參數量龐大，不是文字輸出的長度。

用大型「教師」模型的輸出來訓練小型「學生」模型，讓小模型在保留大模型核心能力的同時，大幅降低計算需求。就像讓資深專家密集指導新人，把多年的隱性知識壓縮傳授——新人達到專家 80% 的能力，但只需要 10% 的「體量」。

AI 能夠同時處理和理解多種類型輸入的能力，包含文字、圖片、文件等。Claude 的多模態能力讓你可以直接上傳截圖、照片、PDF 來提問，不需要把所有資訊轉換成文字。

<a href="/zh/glossary/core-concepts/anthropic/">Anthropic</a> 提供的 API 功能，讓頻繁重複使用的提示詞前綴（如固定的 System Prompt、長篇的背景文件）只計算一次，後續呼叫讀取快取版本，費用降低 90%、延遲也更低。對有長固定 System Prompt 的應用，啟用 Prompt Caching 通常能立刻節省 20-40% 的總 API 費用。

讓 AI 在回答前先從外部知識庫檢索相關資料，再根據檢索結果生成回答，解決模型知識過時和幻覺問題的技術架構。

控制 AI 輸出「隨機性」或「創意程度」的參數，通常在 0 到 1 之間。0 讓模型每次給出幾乎相同、最確定的答案（適合代碼生成、事實查詢）；1 讓模型更多樣化、更有創意但也更不可預測（適合創意寫作）。直觀比喻：溫度低像一個謹慎的分析師，只說最有把握的話；溫度高像一個充滿靈感的創作者，說出更多不尋常的想法。

AI 語言模型處理文字的最小單位。Token 不等於字——英文大約每 0.75 個詞是一個 Token，中文大約每個字是 1-2 個 Token。API 費用就是按 Token 計費的：你輸入多少 Token、Claude 輸出多少 Token，加起來是這次對話的費用。理解 Token 能幫你更有效地控制 AI 的費用和 Context Window 的使用效率。